[發明專利]全光譜水質監測設備質控方法

在審

• 申請號: 201811467035.0
• 申請日: 2018-12-03
• 公開（公告）號: CN109596545A
• 公開（公告）日: 2019-04-09
• 發明（設計）人: 廖炳瑜;徐煒達
• 申請（專利權）人: 北京英視睿達科技有限公司
• 主分類號: G01N21/31
• 分類號: G01N21/31
• 代理公司: 北京慧誠智道知識產權代理事務所(特殊普通合伙) 11539
• 代理人: 李楠

本發明實施例涉及一種全光譜水質監測設備質控方法，所述光譜水質監測設備質控方法包括：對全光譜水質監測設備建立設備質控模型；設備質控模型包括第一水質可觀變量集合、預設的水質隱藏變量個數范圍、預設的初始概率狀態矩陣和模型迭代次數；根據第一水質可觀變量集合、預設的水質隱藏變量個數范圍、預設的初始概率狀態矩陣和模型迭代次數訓練設備質控模型；根據訓練后的設備質控模型對第二水質可觀變量集合進行解析，得到水質隱藏變量數據；將水質隱藏變量數據發送至全光譜水質監測設備；全光譜水質監測設備根據水質隱藏變量數據進行水質監測校準。

技術領域

本發明涉及水質監測領域，尤其涉及一種全光譜水質監測設備質控方法。

背景技術

隨著國家對環保的日益重視，水質監測行業已成為我國環保領域重點發展項目之一。傳統水質監測是通過化學試劑來進行反應，然后再通過比色法等來測量水質。雖然化學法監測水質更為準確，但是建站費用高、需要定期維護化學試劑、監測周期較長，難以實現大規模部署。而基于多光譜吸收率相關性的認知分析所衍生的光譜法，無需化學試劑，測量時間短。但由于光譜法是基于直接監測水吸收的光譜而得到的結果，因此在實際水環境中，監測結果可能會受到水的濁度、色度等其他因素的影響，使得監測結果不準確。

發明內容

本發明的目的是針對現有技術的缺陷，提供一種全光譜水質監測設備質控方法，對全光譜水質監測設備建立設備質控模型的方式，刻畫當前待監測水樣的隱藏狀態，從而對全光譜水質監測設備進行質控調優，使得全光譜水質監測設備可以避免因水樣差異帶來的計算誤差，所得到水質監測結果更為準確。

為實現上述目的，本發明提供了一種全光譜水質監測設備質控方法，包括：

對全光譜水質監測設備建立設備質控模型；所述設備質控模型包括第一水質可觀變量集合、預設的水質隱藏變量個數范圍、預設的初始概率狀態矩陣和模型迭代次數；

根據所述第一水質可觀變量集合、所述預設的水質隱藏變量個數范圍、所述預設的初始概率狀態矩陣和所述模型迭代次數訓練所述設備質控模型；

根據訓練后的設備質控模型對第二水質可觀變量集合進行解析，得到水質隱藏變量數據；

將所述水質隱藏變量數據發送至所述全光譜水質監測設備；

所述全光譜水質監測設備根據所述水質隱藏變量數據進行水質監測校準。

優選的，在所述根據所述第一水質可觀變量集合、所述預設的水質隱藏變量個數、所述預設的初始概率狀態矩陣和所述模型迭代次數訓練所述設備質控模型之前，所述方法還包括：

所述設備質控模型獲取所述預設的初始概率狀態矩陣。

優選的，所述根據所述第一水質可觀變量集合、所述預設的水質隱藏變量個數范圍、所述預設的初始概率狀態矩陣和所述模型迭代次數訓練所述設備質控模型具體為：

根據所述第一水質可觀變量集合、所述預設的水質隱藏變量個數范圍、所述預設的初始概率狀態矩陣得到水質隱藏變量集合；

根據所述第一水質可觀變量集合、所述水質隱藏變量集合、所述預設的水質隱藏變量個數范圍、所述預設的初始概率狀態矩陣、所述模型迭代次數和所述預設的訓練算法訓練設備質控模型。

進一步優選的，所述預設的訓練算法訓練為向前向后算法。

優選的，在所述根據所述第一水質可觀變量集合、所述水質隱藏變量集合、所述預設的水質隱藏變量個數范圍、所述預設的初始概率狀態矩陣、所述模型迭代次數和所述預設的訓練算法訓練設備質控模型之后，所述方法還包括：

根據訓練結果從所述預設的水質隱藏變量個數范圍中確定水質隱藏變量的個數。

進一步優選的，在所述根據訓練結果從所述預設的水質隱藏變量個數范圍中確定水質隱藏變量的個數之后，所述方法還包括：